编辑 | 青暮
根据国外科技媒体techcrunch报道,仓储机器人公司Nimble Robotics融资5000万美元。除了大笔融资之外,媒体还披露了两个公司董事会成员,两位都是斯坦福大学的教授:李飞飞、Sebastian Thrun。

公司创始人推特
前者在斯坦福大学创建了以人为本人工智能研究院,后者是飞行汽车公司Kitty Hawk创始人,无人车技术先驱,被称为谷歌无人车之父。

Sebastian Thrun
同时,李飞飞还是该公司的种子投资人。李飞飞说:
这家公司开发出了一款由人工智能驱动的产品,已经赋能世界上最大的一些零售商一年多了,具体是帮助这些公司在生产中拣选产品。

李飞飞
Nimble Robotics公司使用的人工智能系统,其核心是由前斯坦福大学博士生Simon Kalouche创建。主要是利用深度模仿学习,帮助系统通过模仿进行改进和提高。

Simon Kalouche
该系统并不是“完全智能”,在实际应用中有90%到95%的时间自动化,其他时间(5%~10%)是靠人类手工控制。创始人在新闻稿中表示,自动化结合手动控制能够解决可靠性问题。
对此,李飞飞评价:“Nimble既解决了可靠性问题,又解决了集成问题”。
1
“机器人创业”需要解决哪些问题?

据官网介绍,Nimble Robotics公司的愿景是pick and pick anything,为客户提供端到端分拣和打包的解决方案,还可以根据客户需求个性化定制解决方案。
Nimble公司孵化于斯坦福大学和卡内基梅隆大学的人工智能实验室,目标是创新机器人学习抓取和操纵“万物”的方案。目前其机器人能够在700+时以99.9%的准确率挑选服装、电子产品、配饰、便利物品、杂货、美容产品、鞋子等。
如何在工厂中部署更多的智能机器人?创始人认为关键在于机器人能够进化。所以,该公司核心技术采用深度模仿学习。
创始人在技术博客中介绍到,与大多数进行视觉理解和推理的深度学习应用不同,机器人需要能够对其感知的环境做出反应,所以需要对世界的时空进行精确理解。显然,这比训练神经网络识别狗、猫等物体所需的数据要多得多。
缺乏多样化、大规模的机器人数据集是目前训练机器人面临的核心问题,对于如何收集一个广泛有用的数据集,业界还没有太多的共识。和网上的音频、文本等数据不同,收集真实机器人的数据既耗时,又有潜在的危险,而且成本高昂。
因此,训练机器人必须考虑学习的可扩展性,即机器人蜂群思维。每个机器人都可以从其他机器人的集体经验中学习,在分布式网络中部署机器人,让这些新机器人都不需要重新训练。
在部署“机器人蜂群”需要考虑以下问题,才能够发挥机器人集体的力量:
1.要将学习任务泛化到不同的情况下,需要什么样的数据集大小和分布?环境不同导致了收集数据的多样性。那么,在不同的家庭环境中,部署同样服务的机器人等这类问题亟待解决。
2.哪一组传感器数据最有利于学习?我们是否需要摄像头采集的视觉数据?来自深度成像仪或激光雷达的3D点云数据?来自称重传感器?还是它们的一些复杂组合?目前这个问题还没有共识。
3.什么才是最好的奖励信号?难的部分是确定一个通用的奖励框架,这样在面对不同任务时候,就不需要调整条件了。
4.应该如何构思学习问题?我们应该继续探索和研究端到端的模型,还是聪明的利用人类智慧简化神经网络,从而适用更复杂的任务?
2
谁是Simon Kalouche?曾经让机器人“跳”起来
该公司创始人Simon Kalouche在俄亥俄州立大学获得了本科学位,在卡内基梅隆大学获得了硕士学位,并在斯坦福大学攻读博士学位,接受李飞飞、Silvio Savarese、Ken Salisbury的指导。
目前自己在创业,在去年,他还因为过硬的技术和营收能力上榜了福布斯在制造业领域“30岁以下30人”榜单。

他还在2016年“火”过一把,当时他为了拿到卡内基梅隆大学的硕士学位,创造了一种全新的设计——“一双能敏捷行走、跑动的腿,最重要的是它拥有全方位跳跃能力,同时又能敏捷地着陆。”

据说,Kalouche发明的“山羊腿”就是“无齿轮全方位加速定向拓扑”。这样的设计与山羊腿的物理学构造几乎没有关系,但是在峭壁上跑动能力仍然惊人的山羊确实是Kalouche的直接灵感来源。Kalouche专注于让机械腿具备山羊腿那样的能力,而不是从生物学的角度直接复制,最终他发明出了一套由三重发动机操控的新奇而极具活力的平行体系。
创新一直在继续,Kalouche目前运用深度模仿学习开了公司,也拿到了天使轮的投资,获得了李飞飞等大佬的加持。这似乎也是一个趋势,标志着机器人产业化有着光明的未来。
参考链接:
https://techcrunch.com/2021/03/11/nimble-robotics-scores-50m-for-its-fulfillment-automation-tech/